empirical-paper-workflow

name

empirical-paper-workflow

description

AI 辅助微观数据实证论文的写作、修订与审校工作流（含防失真铁律）。Use when writing, revising, or reviewing an empirical/quantitative academic paper (esp. Chinese social-science papers using microdata like CFPS/CHFS/CGSS), when the user asks to 写论文、改论文、审稿、审阅论文、查数据失真、核对参考文献, or when adding robustness checks / citations during revision. Covers the full pipeline (规则内化→数据→回归→成文→修订→审校) and a three-pass integrity review (data replication, citation verification, typography).

实证论文写作工作流（防失真版）

判断模式

按用户请求进入对应模式，不要全流程硬走：

• 写作模式：从零或从某阶段开始写论文 → 按"十阶段流程"推进。
• 修订模式：回应审稿意见 / 补稳健性 / 加文献 → 重点执行"铁律"，新增内容一律过脚本与题录核验。
• 审校模式：用户要求审阅/检查失真 → 执行"三线审校"。

十阶段流程（写作模式）

1. 规则内化：把课程/期刊的格式要求与扣分规则结构化为 requirements.md 清单，之后所有环节对照检查（摘要发现占比、图表来源位置、引证体例、英文斜体等）。
2. 资料结构化：扫描数据手册/codebook 生成变量主题索引；大数据文件（.dta 数百MB）只读元数据或指定列（pd.read_stata(path, columns=[...])），索引落盘避免重复扫描。
3. 选题：主题 × 数据可用性匹配矩阵 → 收束为一个主选题 + 研究设计文档。
4. 文献：生成检索式 → 人工下载 → AI 初筛并按"章节角色"分组登记（每篇记期刊与写作用途）；保留 RIS 题录库作为后续核验依据。
5. 框架先行：写正文前完成章节结构、字数分配、章节×文献证据地图、图表规划。每节动笔时应已知道：论点、用哪组文献、引用哪张表的哪个系数。
6. 数据工程：建样脚本参数化（年份/口径）；输出派生数据 + codebook（变量构造、筛选流程、样本量逐级记录）。数据有意外（模块轮换、变量缺失）时调整设计并在正文如实说明，不硬上。
7. 实证分析：回归脚本直接生成全部表格文件（Markdown/CSV），正文数字只从表格抄录。
8. 成文：建议顺序"研究设计与结果 → 综述与理论 → 导言、结论、摘要"。使用latex撰写。
9. 模拟审稿与修订：审稿能有效暴露因果语言滥用、稳健性缺口等问题；但修订是失真高发区，严格执行铁律。
10. 独立审校与定稿：换视角执行三线审校（见下），通过后再编译定稿、按提交规范命名。

每个阶段结束在项目 README 追加日期小节记录产出（工作日志 = 数字可追溯链）。

铁律（任何模式下不可违反）

1. 正文每一个数字必须有脚本出处。修订中新增的检验同样先写进脚本、运行、再从输出抄数。"结果未列表"必须仍然"结果已运行"。禁止凭推算或记忆补数。
2. 新增文献一律过题录核验：本地 RIS 库 → Crossref API（curl -s https://api.crossref.org/works/<DOI>）→ 必要时 WebSearch。核不到的字段（如未出版文章页码）宁可不写。
3. 引用前确认文献立场：转述性句子的引证落点逐句对应；支撑关键论断（尤其政策建议）的文献，提示用户人工读原文确认——题录真伪 AI 可核，"文献是否真的说了这句话"需要人读。
4. 交叉引用即时验证：写下"见表X注释/列(N)"后立刻回看目标处是否真有该内容。
5. 修订留痕：每轮修改前备份 *_backup_<date> ；README 记录每个数字产生于哪一步。
6. 数据引证：正文出现的任何外部统计数字（人口、规模、比率）必须有引证，且注意口径（如"农民工总量"≠"流动人口"）。

三线审校（审校模式）

按"数据 → 引证 → 排版"三条线系统过一遍，重点是不在表格里的数字：

第一线：数据复算

• 表格文件与生成脚本输出逐项比对。
• 正文所有由表格派生的换算（×ln2、×标准差、占比、倍数）逐个重算。
• 正文中不在任何表格里的数字（稳健性口述结果、子样本特征、筛选链样本量）在派生数据上全部复算——这是失真集中区。复算口径对不上时，先试定义变体（截断点、归并方向、样本基），变体也对不上即判失真。
• 检查每个"见表X/注释"指向的内容真实存在。

第二线：引证核验

• bib 逐条对照本地 RIS / Crossref / WebSearch：刊名、年份、卷期页码、作者、标题。
• 检查未被引用的 bib 条目（删）、正文 cite key 无悬空。
• 叙述性引用用 \textcite，否则出现"作者（作者, 年份）"重复——在编译 PDF 上肉眼验证。
• 体例统一（如 gb7714-2015ay）；英文期刊/书名斜体、不用中文书名号。

第三线：排版与合规

• 引号：正则清查 ”…” 反向对、ASCII "…"，统一为成对“……”；若中文字体引号字形不佳（如 STSong 偏斜），用 \xeCJKDeclareSubCJKBlock 将 U+2018–201D 单独映射到 Songti SC。
• 浮动体不得插断正文：表格源代码位置移到所属节正文段落之后。
• 图表标题齐全、资料来源写在图表下方（不入脚注）。
• 摘要：写明样本量、抽样设计、模型名；研究发现占比 ≥ 三分之二。
• 字数按"正文 CJK 字符（不含图表）"口径统计；提交文件按要求命名。
• 编译日志零 undefined reference、biber 零 WARN。

审校报告按严重程度排序输出：失真（含复算证据）→ 引证问题 → 排版问题 → 通过项清单。

关键命令模板

# 题录核验
curl -s "https://api.crossref.org/works/<DOI>" | python3 -m json.tool
# 中文论文编译
latexmk -xelatex -output-directory=out main.tex
# 引号清查
rg -n '”[^“”]{1,60}”|"[^"]{1,60}"' main.tex
# 高分辨率局部渲染（验证字形/版式）
pdftoppm -f <页> -l <页> -r 250 -png out/main.pdf /tmp/pg && magick /tmp/pg-0<页>.png -crop WxH+X+Y /tmp/crop.png